Soluções para classificação
Como existem tantos produtos diferentes e regras que mudam frequentemente, isso pode ficar complicado. Os humanos, mesmo os especialistas, acertam o código apenas cerca de 7 em cada 10 vezes, e a classificação manual do produto é uma carga de trabalho extra.
Outra solução é escrever um programa de computador com todas as regras. Os especialistas do setor classificam os produtos e os engenheiros de software acrescentam as regras que os especialistas seguem. Um sistema como esse pode obter o código correto cerca de 9 em cada 10 vezes. Eu sei disso porque nossa equipe em Zonos fez isso. As regras que criamos prestam atenção ao seguinte:
- A forma como um produto é descrito
- Qual imagem é usada para anunciar o produto
- Quem está vendendo o produto
- O custo do produto
Prestar atenção a esses fatores resulta em máxima precisão de classificação.
Ter uma precisão de classificação de itens de 9/10 é incrível, mas ainda não terminamos. Esse item classificado incorretamente é valioso para nós porque o usamos como dados para identificar padrões difíceis e melhorar nossa precisão e resultados. Por exemplo, vi recentemente numa loja online um produto descrito como meias que “ficam bem num terno feito sob medida e seriam o complemento perfeito para um par de sapatos sociais caros”, o que pode ser difícil de classificar. Os humanos sabem que o produto é para meias, mas a descrição pode ser sobre ternos ou sapatos.
Para evitar que o computador fique confuso, as regras ficam cada vez mais complicadas. Você pode imaginar que isso fica ainda mais difícil quando apenas o nome de uma marca é usado, uma palavra é escrita incorretamente ou a imagem de um produto inclui vários itens.
Com todos esses fatores causadores de problemas existentes, para acertar a classificação pelo menos 99 em 100 vezes, usamos o aprendizado de máquina. O aprendizado de máquina diz que vamos parar de contar ao computador tudo o que pode ser importante e pedir ao computador que aprenda o que é importante para si mesmo. Ainda temos especialistas e regras, mas o computador tem uma tarefa muito maior e muitas vezes consegue resultados muito melhores que os humanos.
Aprendizado de máquina: reconhecendo padrões
Uma maneira de pedirmos ao computador que resolva esse problema para nós é fornecer-lhe as imagens do produto e pedir ao computador que encontre padrões nessas imagens. Quando estiver pronto, o computador poderá identificar diferenças que os humanos podem não perceber.
Aqui está um exemplo de faróis automáticos. Dadas milhares de fotos de faróis de automóveis, pedi ao computador para organizá-las de acordo com a diferença entre as imagens. Não contei nada ao computador sobre as imagens. Quando fez isso, o computador decidiu que havia três ou quatro tipos diferentes de imagens comumente usadas para vender faróis de automóveis. Exemplos de cada tipo de imagem de produto são assim:
Nessas imagens, há dois formatos de faróis de automóveis e um de carro. Se eu olhar outras imagens em cada grupo, vejo que cada grupo está repleto de imagens semelhantes. Se as lojas de peças de automóveis começassem a vender faróis de automóveis com fotos da caixa, as ferramentas de aprendizado de máquina perceberiam e se adaptariam automaticamente. Eu uso essas informações para milhares de categorias de produtos diferentes em milhões de produtos.
Freqüentemente, as ferramentas de aprendizado de máquina podem perceber padrões que os humanos não percebem. Por exemplo, o farol de uma motocicleta parece um pouco diferente de um farol de automóvel; ou um produto de beleza é frequentemente vendido com uma mulher segurando o item perto do rosto, ou uma peça de roupa cara é frequentemente colocada em uma modelo e um item mais barato é frequentemente colocado em um manequim ou simplesmente dobrado sobre uma mesa. Esses parecem padrões e detalhes fáceis de notar quando eu os noto, mas na verdade são muito fáceis de perder.
As máquinas também podem aprender o bom senso. Se uma loja foca em produtos de saúde e beleza, sabemos que as flores e uvas que aparecem em algumas imagens dos produtos não estão sendo vendidas; eles são apenas decorativos. Ou se um caminhão estiver sendo vendido por US$ 24,99, provavelmente é um caminhão de brinquedo ou uma camiseta. Essas fontes comuns de confusão são tratadas pela máquina mais ou menos da mesma forma que você ou eu as trataríamos. Quanto mais o sistema é usado, mais ele melhora.
Podemos ensinar máquinas a aprender com nossos erros. Depois que uma classificação confunde as uvas ou as flores da imagem pela primeira vez, pode-se ensinar a ignorar esses itens decorativos irrelevantes e focar no pote de creme de beleza no centro da imagem. Isso surge frequentemente quando algo é novo. Sempre podemos trazer um classificador humano para analisar problemas novos ou difíceis.
Fazer com que o computador procure padrões e um especialista os analise é uma ótima maneira de enviar mais produtos com menos problemas. No final do dia, isso cria confiança. Enviar um produto através das fronteiras não deve exigir que você saiba tudo o que envolve o esforço; mas sabendo que o trabalho foi feito, você pode confiar que nosso sistema de classificação é uma ferramenta importante para o crescimento do seu negócio.
A classificação do código tarifário HS atende ao aprendizado de máquina
Na Zonos, nossa equipe de especialistas da indústria e de software está sempre trabalhando em maneiras de simplificar o comércio internacional. Um aspecto disto é garantir que qualquer empresa que transporte produtos através das fronteiras tenha esses itens devidamente classificados. Todos os países usam o mesmo sistema para descrever os produtos que você vende, denominado sistema de Código Harmonizado. Ter seus produtos devidamente classificados usando códigos HS ou HTS ajuda a garantir a consistência quando seus pacotes estão sendo examinados na fronteira.
Existem muitas complexidades quando se trata de envio de produtos além-fronteiras; mas quando se trata de códigos HS, classificações automatizadas precisas podem servir como uma ferramenta crítica para expandir seus negócios. Embora a classificação precisa de produtos tenha sido um processo tedioso e caro no passado, estamos corrigindo isso. Zonos possui uma ferramenta revolucionária chamada Classify, que atribui um Código Harmonizado às descrições dos produtos.
Como especialista do setor e engenheiro de software, posso explicar como isso funciona de uma perspectiva única. Vamos analisar como a classificação HS para comércio transfronteiriço atende ao aprendizado de máquina.
Se você estiver vendendo um produto chamado “Men’s Gold Toe Windsor Wool (12 Pairs) Preto”, nosso sistema pode atribuir um código a ele, 6115,94. O funcionário da alfândega que inspeciona os itens enviados para o país pode olhar o código, entender o que está no pacote e transportar o item sem demora.
Os primeiros dois números, 61, indicam ao oficial que o item é de malha ou crochê, em vez de 62 para itens não tricotados. Os segundos dois números, 15, indicam que são meias. Os dois últimos números, 94, revelam que são meias compridas.
Pode parecer óbvio que um produto com um nome como “Men’s Gold Toe Windsor Wool (12 Pairs) Preto" se encaixaria na descrição 6115.94, mas há muitos códigos semelhantes que poderiam ter sido escolhidos dependendo da espessura da rosca ou outras considerações. Nossa ferramenta de classificação precisa combinar um código com um produto e encontrar a melhor correspondência disponível.
Isso fica mais complicado quando sabemos para onde o item está sendo enviado. Cada país atribui códigos adicionais. Por exemplo, o 00 adicional no final de 6115.94.00 informa a um funcionário da alfândega canadense que se trata de uma meia de lã e 6115.94.0000 fornece ainda mais detalhes, informando que os impostos devidos sobre o item são um pouco mais altos do que para uma mera meia de lã. Não consegui encontrar uma explicação de por que isso é diferente, e é por isso que a classificação adequada é tão importante; é tão fácil cometer erros ao classificar produtos.
A descrição 6115.94.0000 é idêntica à descrição 6115.94.00, mas esses dois 0s extras podem aumentar a taxa de imposto. Nossas ferramentas devem não apenas compreender a classificação mais correta, mas também compreender como nossas decisões afetam nossos clientes.